生成随机数

简介: C语言中的`rand()`函数生成0-RAND_MAX间的伪随机数,需包含`stdlib.h`。序列重复因默认种子为1,可使用`srand(unsigned int seed)`初始化,通常结合`time(NULL)`设置种子以产生不同序列。`time()`函数从1970年至今的秒数(时间戳),包含于`time.h`,用于提供变化的种子。通过`rand() % b + a`可调整生成指定范围[a, b]内的随机数。

一、rand函数


C语言提供了一个函数叫rand,这函数是可以生成随机数的,函数原型如下所示:


int rand (void);


rand函数会返回一个伪随机数,这个随机数的范围是在0~RAND_MAX之间,这个RAND_MAX的大小是依赖编译器上实现的,但是大部分编译器上是32767。


rand函数的使用需要包含头文件: stdlib.h


这里测试一下rand函数,这里多调用几次,产生5个随机数:





多次运行后发现: 一次运行中产生的5个数字是相对随机的,但是下一次运行程序生成的结果和上一次一模一样


如果再深入了解一下,我们不难发现,其实rand函数生成的随机数是伪随机的,伪随机数不是真正的随机数,是通过某种算法生成的随机数。真正的随机数的是无法预测下一个值是多少的。而rand函数是对一个叫"种子"的基准值进行运算生成的随机数。


之所以前面每次运行程序产生的随机数序列是一样的,那是因为rand函数生成随机数的默认种子是1。


如果要生成不同的随机数,就要让种子是变化的。



二、srand函数


C语言中又提供了一个函数叫 srand,用来初始化随机数的生成器的,srand的原型如下:


void srand (unsigned int seed);


程序中在调用rand 函数之前先调用srand 函数,通过srand 函数的参数seed来设置rand函数生成随机数时的种子,只要种子在变化,每次生成的随机数序列也就变化起来了。


那也就是说给srand的种子如果是随机的,rand就能生成随机数;在生成随机数的时候又需要一个随机数,这矛盾了。



三、time


在程序中我们一般使用程序运行的时间作为种子的,因为时间时刻在发生变化的。


在C语言中有一个函数叫 time,就可以获得这个时间,time函数原型如下:


time_t time (time_t* timer);


time 函数会返回当前的日历时间,其实返回的是1970年1月1日0时0分0秒到现在程序运行时间之间的差值,单位是秒。返回的类型是time_t类型的,time_t类型本质上其实就是32位或者64位的整型类型。


time函数的参数timer,如果是非NULL的指针的话,函数也会将这个返回的差值放在timer指向的内存中带回去。


如果 timer 是NULL,就只返回这个时间的差值。time函数返回的这个时间差也被叫做:时间戳。


time函数的时候需要包含头文件:time.h


代码如下:







这时就实现了随机数的生成


四、设置随机数的范围


1.如果要生成0-99的随机数:


rand( )%100→余数的范围是0-99


2.如果要生成1-100的随机数


rand( )%100+1→%100的余数是0-99,加一后范围是1-100


3.所以要生成a-b的随机数


a+rand( )%b-a+1

目录
打赏
0
3
3
0
18
分享
相关文章
PowerShell系列(六):PowerShell脚本执行策略梳理
【2月更文挑战第1篇】PowerShell 脚本执行策略用于控制何时以及何种方式执行 PowerShell 脚
Android OpenGL 渲染图像读取哪家强
glReadPixels 是 OpenGL ES 的 API ,OpenGL ES 2.0 和 3.0 均支持。 使用非常方便,下面一行代码即可搞定,但是效率也是最低的。
1479 0
Android OpenGL 渲染图像读取哪家强
现代消息队列与云存储问题之进一步减少流处理中的读写操作的问题如何解决
现代消息队列与云存储问题之进一步减少流处理中的读写操作的问题如何解决
Linux C/C++ 开发(学习笔记二):Shell脚本编程案例
Linux C/C++ 开发(学习笔记二):Shell脚本编程案例
182 0
YOLOv11 正式发布!你需要知道什么? 另附:YOLOv8 与YOLOv11 各模型性能比较
YOLOv11是Ultralytics团队推出的最新版本,相比YOLOv10带来了多项改进。主要特点包括:模型架构优化、GPU训练加速、速度提升、参数减少以及更强的适应性和更多任务支持。YOLOv11支持目标检测、图像分割、姿态估计、旋转边界框和图像分类等多种任务,并提供不同尺寸的模型版本,以满足不同应用场景的需求。
YOLOv11 正式发布!你需要知道什么? 另附:YOLOv8 与YOLOv11 各模型性能比较
分析对比大模型OCR、传统OCR和深度学习OCR
OCR技术近年来迅速普及,广泛应用于文件扫描、快递单号识别、车牌识别及日常翻译等场景,极大提升了便利性。其发展历程从传统方法(基于模板匹配和手工特征设计)到深度学习(采用CNN、LSTM等自动学习高级语义特征),再到大模型OCR(基于Transformer架构,支持跨场景泛化和少样本学习)。每种技术在特定场景下各有优劣:传统OCR适合实时场景,深度学习OCR精度高但依赖大量数据,大模型OCR泛化能力强但训练成本高。未来,大模型OCR将结合多模态预训练,向通用文字理解方向发展,与深度学习OCR形成互补生态,最大化平衡成本与性能。
几款主流好用的markdown编辑器介绍
几款主流好用的markdown编辑器介绍
840 0
如何设置环境变量KMP_DUPLICATE_LIB_OK=TRUE
【5月更文挑战第25天】如何设置环境变量KMP_DUPLICATE_LIB_OK=TRUE
1012 0
AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等

登录插画

登录以查看您的控制台资源

管理云资源
状态一览
快捷访问